1.一种智能反射面辅助认知无线电系统资源分配优化方法，该优化方法基于智能反射面辅助认知无线电系统，所述无线电系统的主网络包括一个多天线基站以及M个单天线用户，用户集合为M∈{1,2,...,M}，次网络包括一个多天线基站以及K个单天线用户，用户集合为K∈{1,2,...,K}，其特征在于：所述资源分配优化方法包括如下步骤：步骤1：在所述认知无线电系统中建立系统模型，在所述系统模型中部署智能反射面，将基站发送信号反射到次要用户端；

步骤2：通过步骤1中所建立的系统模型，得到次要用户接受信号的表达式，其中包括所需要信号以及基站和其他用户之间的干扰，进行下一步的分析；

步骤3：根据步骤2中接受信号的表达式，写出信干噪比表达式，并且写次要用户的能量效率与频谱效率表达式；

步骤4：根据次要用户的能量效率约束、次要基站的最大的发送功率约束，智能反射面无源波束成形相移约束和次网络对主网络干扰约束，建立于基站上的波束成形矢量和智能反射面上的相移矩阵联合优化问题；

步骤5：采取基于交替优化方法解决步骤4中建立的优化问题：首先固定智能反射面的反射相移，优化基站的发送波束成形，可以得到最佳的智能反射面相移矩阵；然后固定基站的发送波束成形，优化智能反射面的反射相移，得到最佳的基站发送波束成形。

2.根据权利要求1所述一种智能反射面辅助认知无线电系统资源分配优化方法，其特征在于：步骤1中所述系统由一个主网络和一个次要网络组成，所述主网络包括一个主发送端和多个单天线主要用户，次网络包括一个次基站和多个单天线次要用户，在所述系统中加入智能反射面。

3.根据权利要求1或2所述一种智能反射面辅助认知无线电系统资源分配优化方法，其特征在于：所述智能反射面反射信号是全双工发送信息且为无源器件。

4.根据权利要求1所述一种智能反射面辅助认知无线电系统资源分配优化方法，其特征在于：所述步骤2中，第k位次要用户的接受信号表达式为：其中，HD,I是主基站到智能反射面的信道增益，hD,S,k是主基站到第k位次用户的信增益，hI,S,k是从智能反射面到第k位次用户的信道增益，GB,I是次基站到智能反射面的信道增益，gB,S,k为次基站到第k位次用户信增益，gI,S,k为智能反射到第k位次用户的信道增益，wk是次基站发送信号的波束，ak是第k位用户接受的符号，q是主基站发送信号的功率，bm是第k位次2

用户接受的信号符号， 为IRS对角相移矩阵，n0～CN(0,σ)为次要用户接受的高新加性白噪声。

5.根据权利要求4所述一种智能反射面辅助认知无线电系统资源分配优化方法，其特征在于：所述步骤3根据接受信号表达式，将信干噪比定义为γS,k，并且写次要用户的能量效率与频谱效率表达式，具体包括如下步骤：步骤3‑1、用户k的信干噪比计算公式：

其中， 为次要用户所接受的信号功率， 为次要

用户接收到主网络的干扰功率， 为次要用户接收到次网络其他用户的干扰功率；

步骤3‑2、定义能量效率为εS,k，则用户k的能量效率表达式：其中，Rs,k为次要用户的信息速率，||wk||2为次要用户接受到的信号功率；

步骤3‑3、定义用户的频谱效率为ηS,k，则用户k的频谱效率表达式：其中，Rs,k为次要用户的信息速率，B为次要用户与基站通信占用的带宽。

6.根据权利要求5所述一种智能反射面辅助认知无线电系统资源分配优化方法，其特征在于：步骤4中，定义基于基站上的波束成形矢量和智能反射面上的相移矩阵联合优化问题为P0：其中：约束(1)是次要用户的能量效率约束，εmin为所设定总能量的最小值，约束(2)中常数Pmax是次要基站的最大的发送功率，约束(3)是智能反射面无源波束成形相移约束，diag{·}表示对角矩阵，约束(4)是次要网络对主要网络的干扰限制，P0是次要网络对主要网络造成的干扰功率的最大值。

7.根据权利要求6所述一种智能反射面辅助认知无线电系统资源分配优化方法，其特征在于：所述步骤5具体包括如下步骤：步骤5‑1：首先定义 对于给定的Θ，重写步骤3‑1中项H H

其中，Tr(G uu GWk)为转化后的次要用户所接收的信号，u为智能反射面的发射系数构H成的向量，且Θ＝uu，

重写步骤3‑1中项

其中，lk为主网络发送端发送信号波束， 为转化后次要用户接受的主网络的干扰信号；

步骤5‑2：对步骤3‑1中的用户k的信干噪比以及步骤4中的相移矩阵联合优化问题为P0重写，得到给定Θ优化wk的优化问题P1：Tr(Wk)≤Pmax,                 (2)Rank(Wk)≤1，          (4)

其中，约束(1)是次要用户的能量效率约束，约束(2)为转化后次要基站的发送功率的约束，约束(3)为次要基站发送波束的矩阵约束，保证矩阵恒大于0，约束(4)为引入的秩为一矩阵约束；约束(5)为次要用户对主要用户的干扰约束；

步骤5‑3：采用对数相减、一阶泰勒公式展开的方法，将步骤5‑2中的优化问题P1转化为凸优化问题：Tr(Wk)≤Pmax,                       (2)Rank(Wk)≤1，                         (4)其中：

约束(1)是次要用户的能量效率约束，约束(2)为转化后次要基站的发送功率的约束，约束(3)为次要基站发送波束的矩阵约束，保证矩阵恒大于0，约束(4)为引入的秩为一矩阵约束，约束(5)为次要用户对主要用户的干扰约束；

T T T

步骤5‑4：定义 v＝[u ,α]、Θ＝vv、

步骤5‑5：对于给定的wk，智能反射面设计的给定wk优化Θ的优化问题由下式给出：其中，约束(1)是次要用户的能量效率约束，约束(2)为了保证相移矩阵是具有N个单位模量分量的对角矩阵，diag{·}表示对角矩阵，约束(3)为次要用户对主要用户的干扰约束；

步骤5‑6：引入辅助变量，并且采用对数相减、一阶泰勒公式展开的方法，将优化问题Pa转化为凸优化问题：其中： 和 的表达式为别为

(j)

上式中， 和 分别是 和 在可行点u 处的导数，un为Θ中第n个元素。